雷鋒網(wǎng)注：作者朱赟，硅谷 Airbnb 資深美女程序媛一枚。

題圖：Mark Bird

前兩天 Uber post 了一篇文章，說他們從 Postgres SQL 轉到使用 MySQL 了。blog 寫得不錯，科普了一些 DB indexing 和 replication 的基本常識。當時轉給一個朋友看，朋友說，其實 Uber  2013年才發(fā)了一篇文章說他們從 MySQL 轉 Postgres SQL。遂去找來看了?？赐旰髮に枷?，其實兩篇文章背后的情況，兩次轉型的文章背后的原因，也就可以揣測一二了。

作為兩大主流開源數(shù)據(jù)庫，MySQL 和 Postgres 的 “戰(zhàn)爭” 從來沒有停止過，雖然硝煙不似程序語言之間的斗爭那么濃烈。你可以去 Quora 或者 Stack Overflow 上搜相關的 MySQL v.s. Postgres 帖子，特別多。我的感覺是，各有各的優(yōu)勢和實用場景，并沒有一種比另一種有壓倒性優(yōu)勢的存在。

對于大部分程序員來說，公司用哪個 DB，基本不太輪到你來做決定。你加入一個公司的時候，除非是創(chuàng)業(yè)公司，或者你是 CTO、VP、Director 級別的，否則大部分的技術選型都應該早已經(jīng)塵埃落定了的。尤其是 DB，一旦選擇，再遷移的代價就很大。所以除非有了顛覆性的優(yōu)勢或者問題，很少有公司會去費時費力做這種大的遷移。而不論是選型還是轉型，一個不可忽略的因素，就是你招到的工程師更能駕馭哪一種技術，或者有話語權的決策者們傾向于哪一種技術。這其實和程序語言的選型多少有著異曲同工的類似。

其實 Uber 兩次高調(diào)轉型，類似的事情在 Square 也發(fā)生過。雖然 Square 最早是使用 MySQL，但是在大概在 2012 年間，因為 Postgres 的各種優(yōu)勢（如對 geospatial 數(shù)據(jù)及搜索的支持等），以及當時幾位比較 senior 的工程師的大力倡導，很多新的 service 都嘗試性地選擇了使用 Postgres。所以當時公司的架構是 MySQL 和 Postgres 并存。對于那時候的我而言，不過是有機會學習、了解、和比較兩個不同的技術。兩者各有特點，有些東西在 MySQL 里似乎更方便，另一些則反之?？傆蟹桨溉崿F(xiàn)，并沒有覺得非要哪一種才行。

DB 若安好，便是晴天。

一個公司，如果 DB 從來不出問題。那肯定是因為沒有業(yè)務或者流量。所有的技術，都有它設計的應用場景。除了一些 happy case，就一定有坑。能夠盡可能地避免這些坑，或者在出問題的時候能夠最快修復，就成了至關重要的因素。Square 兩種 DB 并存的期間，公司里 Postgres 的牛人寥寥無幾。但是 MySQL 的 experts，卻有幾個極為靠譜的。大部分工程師，并不是數(shù)據(jù)庫專家，Postgres 和 MySQL 的相對優(yōu)勢，對我們而言，都比不過出問題的時候有人解惑或者救火來的重要。何況一個公司維系兩套同類的數(shù)據(jù)庫系統(tǒng)本身就是個負擔。因此，這些使用 Postgres 的 service 后來又都慢慢轉成 MySQL 了。

因為我們做支付的需要強 transactional 的支持，所以不太會用 NoSQL 類型的，主要用的還是 MySQL 或者 Postgres。雖說數(shù)據(jù)庫相關的知識和技術，現(xiàn)在工作中因為用得多，慢慢也了解了不少，但如果真的線上出了問題，自己還是不太擺得平。好在每個公司都會有一些數(shù)據(jù)庫大牛，有的公司叫做 DBA。很多中小公司并沒有專職的 DBA，都是做系統(tǒng)的人監(jiān)管。有幾位私交甚好。加上自己平時系統(tǒng)里相關問題也經(jīng)常需要請教，所以一來二去知道了好些好玩的事情。

對數(shù)據(jù)庫大牛我一向是抱景仰的態(tài)度的。公司只要稍具規(guī)模，數(shù)據(jù)庫這塊做不好，基本也就沒啥好玩的了。這一塊不出問題也罷，一出問題，基本就是見血封喉，網(wǎng)站直接掛掉。那么平時最常見的都有哪些問題呢？

首先就是選型。

每個公司因為業(yè)務的不同，數(shù)據(jù)庫系統(tǒng)應用場景不一樣，哪一種最合適就不一樣。沒有哪一個系統(tǒng)一定是最好的。比如做支付的一定要強事務性、一致性的支持，而很多社交平臺更多時候其實是需要高可用；有的業(yè)務 writes 特別 heavy，有的業(yè)務更重要的是 reads；有些業(yè)務可以只關心最近幾天的數(shù)據(jù)，因此可以 tradeoff 老數(shù)據(jù)讀寫的低效，有的卻要頻頻 access 歷史數(shù)據(jù)；有些業(yè)務可以通過加 index 解決 query 效率，有些卻只能通過加緩存等等。。這也是為什么很多公司有多個數(shù)據(jù)庫系統(tǒng)并存，以最優(yōu)化對每個場景和業(yè)務的支持。

選型錯了，基本就掉在坑里了，也沒有頻頻踩坑一說了。

另外一個就是相關架構。

什么意思呢？這里包括數(shù)據(jù)庫上層的 cache 系統(tǒng)的設計，程序語言對 DB connection 的處理，proxy layer（如果存在）的功能，以及和 binlog 等相關的 data pipeline 的搭建。當然，也包括數(shù)據(jù)庫系統(tǒng)的分區(qū)、備份等的具體設計。很多公司早期所有的 table 都在一個 DB 里面，因為各種 connection pool 和 throughput 的限制，這其實基本沒法 scale。能夠合理的安排不同 table 的分離，讓數(shù)據(jù)相關的留在一起，不相關的或者不太相關的放在另一個 DB 里。類似這些很簡單的道理，很多時候卻可以很大程度上緩解 scalability 的問題。

而平時我們遇到的最多的問題，還是 human mistake.

再好的系統(tǒng)，使用姿勢不對，也是枉然。何況并不是所有的工程師都是數(shù)據(jù)庫專家。

人為錯誤分成兩種。

一種是 DB operation 中犯的錯誤。

這種概率比較低，但是通常危害卻最大。幾乎所有的公司都會有類似的傳奇，常見的版本有：

• 某某工程師或無意或有意，“不小心” 刪掉了數(shù)據(jù)庫某 core table 中所有的數(shù)據(jù)。不是開玩笑，這種事 Facebook 也發(fā)生過，還是一個朋友。好在后來恢復了。這事也成了他的工程師歷史上光輝的一筆。

• 某某工程師做 online schema change 的時候，不小心有一步誤操作。結果數(shù)據(jù)庫被 lock 長達幾個小時。該公司網(wǎng)站也就掛了好幾個小時。

• 最后這個版本聽國內(nèi)一個大公司的朋友說的，細節(jié)還真是不記得了。只是記得兩臺服務器，做 master slave switch 還是什么的時候，拔錯了一個電源插頭，然后......就沒有然后了。

另一種是程序員程序里或者腳本里犯的錯誤。

這個就很常見了。舉個很簡單的例子。我們知道 Ruby on Rails 對數(shù)據(jù)庫的 access 基本是通過 Active Record 來完成的。Active Record 可以通過一個 connection pool 來限制每個 application 到 DB 的 connection。如果某一個程序或者腳本中的 query 是查詢沒有被 index 的數(shù)據(jù)，而導致 full table scan，加上一些 web server 的并行的實現(xiàn)，很經(jīng)常就會有整個 DB 的所有 connection 被占用，連 kill query 都沒法執(zhí)行。只能人肉的去做一些類似重啟的操作。還有更常見的，就是程序里的 N+1 query。這些都很無語，但若說你從沒遇到過，那可能是……呵呵。

最后一種，也就是自然流量增長或者流量突增造成的數(shù)據(jù)庫訪問瓶頸。

只要是數(shù)據(jù)庫，就有 throughput 的限制。只要你的業(yè)務在增長，總有一天數(shù)據(jù)庫訪問就會達到一個上限。所以在這個預警到來前，就要做各種 horizontal 或者 vertical 的 scale 來不斷提升這個上限?；蛘呤峭ㄟ^緩存等其他機制來對訪問量進行分流。這里面可以做的東西就多了。覺得可以單獨寫一篇了。

另一種就是類似 DDoS、Marketing 等等帶來的各種流量的突增。如果是有計劃的 Marketing 等，就需要提前做好各種戰(zhàn)斗準備。如果是惡意攻擊，那就只能靠各種防御工程（如 IP blocking 等等）擋掉這些訪問來保證數(shù)據(jù)庫正常工作了。

最后，推薦一個 DBA 寫的博客網(wǎng)站，內(nèi)容很精彩，有技術有情懷。文章寫的比我好多了。

雷鋒網(wǎng)注：本文由作者授權雷鋒網(wǎng)發(fā)布，轉載請聯(lián)系授權并保留出處和作者，不得刪減內(nèi)容。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。